KLASIFIKASI DIABETIC RETINOPATHY MENGGUNAKAN ARSITEKTUR DEEP LEARNING MODEL CNN (CONVOLUTIONAL NEURAL NETWORK)

ANDRIAN, WISNU (2023) KLASIFIKASI DIABETIC RETINOPATHY MENGGUNAKAN ARSITEKTUR DEEP LEARNING MODEL CNN (CONVOLUTIONAL NEURAL NETWORK). Masters thesis, Universitas Teknologi Digital Indonesia.

	Text (HALAMAN DEPAN) 1_2120060048TSD05_HALAMAN_DEPAN.pdf - Published Version Download (258kB)
	Text (BAB I) 2_2120060048TSD05_BAB _I - Wisnu Andrian.pdf - Published Version Download (121kB)
	Text (BAB II) 3_2120060048TSD05_BAB_II - Wisnu Andrian.pdf - Published Version Download (236kB)
	Text (BAB III) 4_2120060048TSD05_BAB_III - Wisnu Andrian.pdf - Published Version Download (547kB)
	Text (BAB IV) 5_2120060048TSD05_BAB_IV - Wisnu Andrian.pdf - Published Version Restricted to Repository staff only Download (873kB)
	Text (BAB V) 6_2120060048TSD05_BAB_V - Wisnu Andrian.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB VI) 7_2120060048TSD05_BAB_VI.pdf - Published Version Download (9kB)
	Text (DAFTAR PUSTAKA) 8_2120060048TSD05_DAFTAR_PUSTAKA - Wisnu Andrian.pdf - Published Version Download (228kB)
	Text (CARA MENJALANKAN PROGRAM) 9_2120060048TSD05_CARA_MENJALANKAN_PROGRAM - Wisnu Andrian.pdf - Published Version Download (189kB)
	Text (LISTING PROGRAM) 10_2120060048TSD05_LISTING_PROGRAM - Wisnu Andrian.pdf - Published Version Restricted to Repository staff only Download (108kB)
	Text SURAT KETERANGAN PERSETUJUAN PUBLIKASI.pdf - Published Version Download (12MB)

Abstract

Diabetic retinopathy adalah komplikasi mata yang sering terjadi pada individu dengan diabetes. Penelitian ini bertujuan untuk membangun sebuah sistem yang dapat mengklasifikasikan citra retina mata ke dalam lima tingkatan retinopati diabetik (DR-0, DR-1, DR-2, DR-3, DR-4) dengan tingkat akurasi maksimal menggunakan Convolutional Neural Network (CNN) dengan model ResNet50. Data yang digunakan dalam penelitian ini terdiri dari 5.590 gambar Retinopathy Diabetic, yang dibagi menjadi dua kategori yaitu data traning sebanyak 3.662 gambar dan data testing sebanyak 1.928 gambar, yang didapat dari APTOS-2019 blindness detection. Pada tahap pra-pemrosesan dan augmentasi gambar, fitur khas citra retina diperkuat untuk meningkatkan kemampuan pemodelan. Implementasi menggunakan model CNN dengan ResNet50 sebagai encoder untuk pembelajaran fitur dan klasifikasi. Hasil penelitian menunjukkan akurasi sekitar 95.1% dalam mengklasifikasikan citra retina dengan model CNN dan ResNet50. Namun, terdapat kelemahan dalam presisi rata-rata sekitar 57.7%, yang menunjukkan tingkat keakuratan yang lebih rendah dalam memprediksi beberapa kelas. Meskipun demikian, recall rata-rata mencapai sekitar 80.0%, menunjukkan kemampuan yang baik dalam mengenali dan menangkap sampel positif untuk setiap kelas. Penelitian ini memberikan kontribusi dalam pengembangan metode klasifikasi citra retina menggunakan CNN dan model ResNet50 dalam mendeteksi retinopati diabetik. Dengan menggunakan dataset yang signifikan, penelitian ini memberikan pemahaman yang lebih baik dan solusi untuk penanganan retinopati diabetik melalui analisis citra retina. Dalam penelitian selanjutnya, evaluasi dan penyesuaian lebih lanjut dapat dilakukan untuk meningkatkan kinerja model dalam mengklasifikasikan kelas-kelas yang memiliki presisi dan F1-score yang lebih rendah. Kata Kunci: Retinopathy Diabetic, Citra Retina Mata, Convolutional Neural Network, Model ResNet50, APTOS-2019 blindness detection, Tingkat keparahan

Item Type:	Thesis (Masters)
Additional Information:	Pembimbing: Dr. Widyastuti Andriyani, S.Kom., M.Kom
Uncontrolled Keywords:	Retinopathy Diabetic, Citra Retina Mata, Convolutional Neural Network, Model ResNet50, APTOS-2019 blindness detection, Tingkat keparahan
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Jaringan (Networks)
Divisions:	Jenjang S2 > Teknologi Informasi (S2)
Depositing User:	Titis Pratiwi
Date Deposited:	27 Jul 2023 02:30
Last Modified:	27 Jul 2023 02:30
URI:	http://eprints.utdi.ac.id/id/eprint/10007

Actions (login required)

View Item